Đang tải... (xem toàn văn)
Bài viết đã đề xuất phương pháp dò tìm cạnh trong ảnh y khoa chất lượng thấp dùng Bayesian thresholding kết hợp với B-spline curve. Phương pháp này đã cho ra kết quả tốt hơn các giải pháp gần đây. Tuy nhiên, khả năng tách cạnh nhị phân của phương pháp này còn phụ thuộc vào giá trị ngưỡng tối ưu của Bayesian và điểm điều khiển B-spline.
QT6.2/KHCN1-BM20 TRƯỜNG ĐẠI HỌC TRÀ VINH HỘI ĐỒNG KHOA HỌC ISO 9001 : 2008 BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG DỊ TÌM CẠNH ĐỐI TƯỢNG TRONG ẢNH MRI Chủ nhiệm đề tài: ThS NGUYỄN MỘNG HIỀN Chức danh: Giảng viên Đơn vị: Khoa Kỹ thuật Công nghệ Trà Vinh, ngày 07 tháng năm 2017 TRƯỜNG ĐẠI HỌC TRÀ VINH HỘI ĐỒNG KHOA HỌC ISO 9001 : 2008 BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG DỊ TÌM CẠNH ĐỐI TƯỢNG TRONG ẢNH MRI Xác nhận quan chủ quản Chủ nhiệm đề tài (Ký, đóng dấu, ghi rõ họ tên) (Ký, ghi rõ họ tên) Nguyễn Mộng Hiền Trà Vinh, ngày 07 tháng 08 năm 2017 TÓM TẮT Trong đời sống đại, người thường phải đối diên với nhiều bệnh hiểm nghèo, thời gian điều trị q vàng Do đó, sống bệnh nhân phụ thuộc vào kết chẩn đóan bác sĩ Trong cạnh đối tượng bên ảnh MRI mấu chốt quan trọng, chúng giúp bác sĩ tìm vấn đề Trong thực tế, ảnh MRI thường có chất lượng khơng cao Vì vậy, việc tìm đường viền đối tượng bên ảnh việc làm không dễ Trong đề tài này, đề xuất phương pháp dò tìm cạnh đối tượng ảnh MRI Trong phương pháp cải thiện chất lượng ảnh đầu vào STICT dò tìm cạnh đối tượng thuật tốn Canny với hỗ trợ phương pháp phân đoạn FCM Kết phương pháp vừa đề xuất tốt phương pháp đề xuất gần MỤC LỤC THÔNG TIN CHUNG VỀ ĐỀ TÀI TÓM TẮT DANH MỤC BẢNG BIỂU DANH MỤC CÁC BIỂU ĐỒ, SƠ ĐỒ, HÌNH ẢNH DANH MỤC CÁC TỪ VIẾT TẮT, KÝ HIỆU, ĐƠN VỊ ĐO LƯỜNG, TỪ NGẮN HOẶC THUẬT NGỮ LỜI CẢM ƠN PHẦN MỞ ĐẦU Tính cấp thiết đề tài Tổng quan nghiên cứu 2.1 Tình hình nghiên cứu nước 2.2 Tình hình nghiên cứu ngồi nước Mục tiêu Đối tượng, phạm vi phương pháp nghiên cứu 4.1 Đối tượng, địa điểm thời gian nghiên cứu 4.2 Quy mô nghiên cứu 4.3 Phương pháp nghiên cứu PHẦN NỘI DUNG Chương Nâng Cao Chất Lượng Ảnh Đầu Vào Chương Dò Tìm Cạnh Của Đối Tượng Bên Trong Ảnh MR PHẦN KẾT LUẬN 11 Kết đề tài thảo luận 11 Kiến nghị 11 TÀI LIỆU THAM KHẢO 12 DANH MỤC BẢNG BIỂU Tên bảng Số trang DANH MỤC CÁC BIỂU ĐỒ, SƠ ĐỒ, HÌNH ẢNH Tên hình Số trang Hình 1: Kết thực nghiệm DANH MỤC CÁC TỪ VIẾT TẮT, KÝ HIỆU, ĐƠN VỊ ĐO LƯỜNG, TỪ NGẮN HOẶC THUẬT NGỮ MRI Magnetic resonance image STICT Semi Translation Invariant Contourlet Transform FCM Fuzzy C Means CT Computed tomography PSNR Peak signal to noise ratio LỜI CẢM ƠN Trên thực tế khơng có thành cơng mà không gắn liền với hỗ trợ, giúp đỡ dù hay nhiều, dù trực tiếp hay gián tiếp người khác Trong suốt thời gian từ bắt đầu đề tài nghiên cứu khoa học này, tôi, người thực đề tài nhận nhiều quan tâm, giúp đỡ hỗ trợ quý đồng nghiệp, Bộ môn Công nghệ Thông tin, Khoa Kỹ thuật & Cơng nghệ Phòng Ban chức Trường Đại học Trà Vinh Trước tiên, xin gửi lời cảm ơn chân thành đến Phòng Khoa học Cơng nghệ, Trường Đại học Trà Vinh tạo điều kiện cho đăng ký thực đề tài Xin cảm ơn Bộ môn Công nghệ Thông tin, Khoa Kỹ thuật & Công nghệ tạo điều kiện tốt cho việc hoàn thành đề tài nghiên cứu khoa học Đề tài nghiên cứu khoa học thực khoảng thời gian 12 tháng Bước đầu vào thực tế, tìm hiểu lĩnh vực sáng tạo nghiên cứu khoa học, kiến thức hạn chế nhiều bỡ ngỡ Do vậy, khơng tránh khỏi thiếu sót, mong nhận ý kiến đóng góp quý báu quý đồng nghiệp để đề tài hoàn thiện Trân trọng, Trà Vinh, ngày 07 tháng năm 2017 Chủ nhiệm đề tài (Ký ghi rõ họ tên) Nguyễn Mộng Hiền PHẦN MỞ ĐẦU Tính cấp thiết đề tài Trong lĩnh vực y tế, Bác Sĩ thường phải dựa vào hình ảnh chụp thiết bị kỹ thuật ảnh CT (computed tomography), MRI (magnetic resonance), ảnh X-Quang để chẩn đoán dị tật bất thường, bệnh thể bệnh nhân Hiệu chẩn đốn bệnh khơng phụ thuộc vào tay nghề Bác Sĩ mà phụ thuộc vào chất lượng hình ảnh y khoa Hầu hết hình ảnh y khoa bị nhiễu mờ nhiều nguyên nhân Vấn đề làm giảm chất lượng hình ảnh gây khó khăn cho Bác Sĩ q trình chẩn đoán Chẳng hạn như: bác sĩ dựa vào ảnh y khoa bị mờ khó để tìm tế bào ung thư Vì vậy, giảm mờ nhiễu để cải thiện chất lượng ảnh y khoa việc làm cần thiết Tuy nhiên, giảm mờ, nhiễu chưa đủ với mắt thường Bác Sĩ khó xác định đường viền đối tượng ảnh y khoa Một trường hợp cụ thể như: Bác Sĩ khơng xác định xác đường viền đối tượng có nhiều khả Bác Sĩ không nhận biết tế bào ung thư hình thành chênh lệch độ tương phản tế bào ung thư tế bào bình thường thấp Điều dẫn đến kết mắt thường khó phát tế bào ung thư Do đó, việc dò tìm cạnh đối tượng ảnh MRI thể rõ cạnh đối tượng ảnh việc làm cần thiết Trước thực tế đó, nói đề tài có kết hợp cơng nghệ thơng tin y khoa có tính cấp thiết góp phần bảo vệ người Trong tương lai, việc kết hợp liên ngành hướng thích hợp hoàn cảnh thiết bị phần mềm phục vụ y khoa phải mua từ nước đắt tiền Tổng quan nghiên cứu 2.1 Tình hình nghiên cứu nước Hiện nay, Việt Nam có cơng trình nghiên cứu liên quan đến xử lý ảnh y khoa Hầu hết thiết bị y tế Việt Nam mua từ nước Các phần mềm xử lý ảnh y khoa nhà sản xuất thiết bị y tế nước ngồi tích hợp vào phần cứng Đây nguyên nhân dẫn đến giá thành thiết bị chụp ảnh y khoa cao Trong nước có nhóm nghiên cứu liên quan đến vấn đề dẫn đến kết bị hạn chế Theo chúng tơi, ngun nhân nguồn nhân lực hạn chế, sở vật chất thiếu, độ khó tốn cao Mặc khác, Việt Nam, việc nghiên cứu phát triển xử lý ảnh chưa quan tâm mức Đây trở ngại cho việc phát triển phần mềm xử lý ảnh công nghiệp Việt Nam lĩnh vực y khoa 2.2 Tình hình nghiên cứu ngồi nước Trong thời gian qua, kết hợp công nghệ thơng tin y khoa phục vụ chẩn đốn bệnh phát triển nhanh chóng trở thành mũi nhọn nghiên cứu lĩnh vực xử lý tín hiệu Ở nước ngồi, nghiên cứu phát triển cơng cụ lọc nhiễu, giảm nhiễu, phát tách khối u thông qua ảnh MRI, CT, nghiên cứu từ nhiều năm đạt nhiều thành tựu Sau số cơng trình nghiên cứu cơng bố gần * Cơng trình nghiên cứu: "Adaptive medical image edge detection in contourlet domain", Nguyen Thanh Binh, Le Ngoc Minh, Proceedings of the 4th International Conference on the Development of Biomedical Engineering, January 8-12, 2012, Ho Chi Minh City, Viet Nam, Volume 40, pp 97-100, ISBN: 978-3-642-32182-5, Springer, 2012 Trong cơng trình này, tác giả đề xuất phương pháp dò tìm cạnh miền contourlet Phương pháp cho kết tốt phương pháp trước Tuy nhiên, hiệu phương pháp phụ thuộc vào bước tiền xử lý đặc biệt ảnh đầu vào có phức tạp chất lượng * Cơng trình nghiên cứu: "Edge detection using ACO and F ratio", Samit Ari Dipak Kumar Ghosh and Prashant Kumar Mohanty,Signal, Image and Video Processing Journal, Volume 8, Issue 4, pp 625-634, ISSN: 1863-1703, Springer, 2014 Trong cơng trình này, tác giả đề xuất phương pháp dò tìm cạnh dùng ACO F ratio Phương pháp cho kết tốt giải pháp gần Tuy nhiên, khả tách cạnh nhị phân phương pháp phụ thuộc vào giá trị ngưỡng tối ưu kỹ thuật tỉ lệ Fisher * Cơng trình nghiên cứu: "Edge detection in low-quality medical images", Vo Thi Hong Tuyet, Nguyen Thanh Binh, Proceedings of the 2nd EAI International Conference on Nature of Computation and Communication, March 17–18, 2016, Rach Gia, Vietnam, Springer, 2016 Trong cơng trình này, tác giả đề xuất phương pháp dò tìm cạnh ảnh y khoa chất lượng thấp dùng Bayesian thresholding kết hợp với B-spline curve Phương pháp cho kết tốt giải pháp gần Tuy nhiên, khả tách cạnh nhị phân phương pháp phụ thuộc vào giá trị ngưỡng tối ưu Bayesian điểm điều khiển B-spline Ngồi cơng trình nghiên cứu trên, có cơng trình khác lên quan Mục tiêu • Mục tiêu chung Phát cạnh đối tượng ảnh MRI • Mục tiêu cụ thể Nâng cao chất lượng ảnh MRI đầu vào • Mục tiêu cụ thể Dò tìm cạnh đối tượng bên ảnh MRI Đối tượng, phạm vi phương pháp nghiên cứu 4.1 Đối tượng, địa điểm thời gian nghiên cứu - Đối tượng nghiên cứu đề tài ảnh MRI - Đề tài thực Trường Đại học Trà Vinh - Thời gian thực 12 tháng 4.2 Quy mô nghiên cứu - Nghiên cứu sâu phương pháp khử mờ nhiễu đề xuất contourlet, curvelet, ridgelet kết hợp với lọc để khử mờ nhiễu có ảnh - Nghiên cứu sâu phương pháp dò tìm cạnh đối tượng đề xuất gần phương pháp: region-growing, level set, B-spline curve,… 4.3 Phương pháp nghiên cứu - Phương pháp đọc tài liệu - Phương pháp thực nghiệm PHẦN NỘI DUNG Chương Nâng Cao Chất Lượng Ảnh Đầu Vào Trong thực tế ảnh y khoa thường có chất lượng khơng tốt giới hạn thiết bị chụp tay nghề kỹ thuật viên Vì vậy, việc cải thiện chất lượng ảnh cần thiết cho bước xử lý việc xử lý ảnh Để giúp phương pháp dò tìm cạnh đối tượng bên ảnh MRI đạt kết tốt cải thiện ảnh đầu vào STICT Chương Dò Tìm Cạnh Của Đối Tượng Bên Trong Ảnh MR Trong chương để có kết tốt chúng tơi sử dụng phương pháp phân đoạn ảnh FCM để tạo ảnh đầu với vùng đồng mức xám Sau ảnh kết sử dụng làm liệu đầu vào cho phương pháp dò tìm cạnh Canny Sau kết thực nghiệm Original image A R Laishram [1] method PSNR = 42.016 dB Wenshuo Gao [2] method PSNR = 41.180 dB The proposed method PSNR = 43.651 dB Original image B R Laishram [1] method PSNR = 34.619 dB Wenshuo Gao [2] method PSNR = 40.168 dB The proposed method PSNR = 41.081 dB Original image C R Laishram [1] method PSNR = 34.689 dB Wenshuo Gao [2] method PSNR = 38.982 dB The proposed method PSNR = 39.494 dB Original image D R Laishram [1] method PSNR = 40.874 dB Wenshuo Gao [2] method PSNR = 40.519 dB The proposed method PSNR = 41.763 dB Original image E R Laishram [1] method PSNR = 40.253 dB Wenshuo Gao [2] method PSNR = 41.566 dB The proposed method PSNR = 41.948 dB Original image F R Laishram [1] method PSNR = 32.102 dB Wenshuo Gao [2] method PSNR = 39.967 dB The proposed method PSNR = 40.902 dB Hình 1: Kết thực nghiệm Để đánh giá hiệu phương pháp dò tìm cạnh đề xuất, chúng sử dụng thơng số PSNR để so sánh với phương pháp tác giả khác Phương pháp có số PSNR cao đánh giá hiệu ngược lại Nhìn vào kết dễ dàng nhận thấy số PSNR phương pháp luôn cao phương pháp tác giả R Laishram [1] Wenshuo Gao [2] 10 PHẦN KẾT LUẬN Kết đề tài thảo luận Đề tài đưa phương pháp dò tìm cạnh đối tượng bên ảnh MRI Trong phương pháp ảnh đầu vào cải thiện đáng kể trước áp dung phương pháp lấy cạnh Canny Vì vậy, kết phương pháp tốt phương pháp gần theo thông số đánh giá PSNR Kiến nghị Kết nghiên cứu nguồn tài liệu tham khảo hữu ích cho sinh viên muốn nghiên cứu chuyên sâu xử lý ảnh 11 TÀI LIỆU THAM KHẢO [1] Romesh Laishram, Wahengbam Kanan Kumar, Anshuman Gupta and Khairnar Vinayak Prakash, “A Novel MRI Brain Edge Detection Using PSOFCM Segmentation and Canny Algorithm,” Electronic Systems, Signal Processing and Computing Technologies (ICESC), 2014 International Conference on, 9-11 Jan 2014 [2] Wenshuo Gao, Lei Yang, Xiaoguang Zhangand Huizhong Liu, “An Improved Sobel Edge Detection,” 2010 3rd IEEE International Conference on Computer Science and Information Technology, pp 67-71, 2010 [3] Nguyen Thanh Binh and Le Ngoc Minh, "Adaptive medical image edge detection in contourlet domain," Proceedings of the 4th International Conference on the Development of Biomedical Engineering, January 8-12, 2012, Ho Chi Minh City, Viet Nam, vol 40, pp 97-100, Springer [4] Samit Ari Dipak Kumar Ghosh and Prashant Kumar Mohanty, "Edge detection using ACO and F ratio," Signal, Image and Video Processing Journal, vol 8, Issue 4, pp 625-634, Springer, 2014 [5] Vo Thi Hong Tuyet and Nguyen Thanh Binh, "Edge detection in low-quality medical images," Proceedings of the 2nd EAI International Conference on Nature of Computation and Communication, March 17–18, 2016, Vietnam, pp 351-362 [6] Ramin Eslami and Hayder Radha, “Translation-Invariant Contourlet Transform and Its Application to Image Denoising,” IEEE Transactions on Image Processing, vol 15, no 11, PP 3362-3375, Nov 2006 [7] Keh-Shih Chuang , Hong-Long Tzeng, Sharon Chen, Jay Wu and Tzong-Jer Chen, “Fuzzy c-means clustering with spatial information for image segmentation,” Computerized Medical Imaging and Graphics, vol 30, Issue 1, Jan 2006, pp 9–15 [8] James C Bezdek, Robert Ehrlich and William Full, “FCM: The fuzzy cmeans clustering algorithm,” Computers & Geosciences, vol 10, Issues 2– 3, 1984, pp 191-203 [9] N Namdaha Gopal and Karnan, M, “Diagnose brain tumor through mri using image processing clustering algorithm such as Fuzz C means along with intelligent optimization techniques,” IEEE International Conference on Computational Intelligence and Computing Research, vol 2, 2010, pp [10] Lijun Ding and Adreshir Goshtasby, “On the canny edge detector,” Pattern recognition, Vol 34, Issue 3, 2001 pp.721-725 12 [11] Damon M Chandlerand Sheila S Hemami, “VSNR: A Wavelet-Based Visual Signal-to-Noise Ratio for Natural Images,” IEEE transactions on image processing, vol 16, no 9, Sep 2007, pp 2284-2289 [12] Peter J Burt and Edward H Adelson, “The Laplacian Pyramid as a Compact Image Code,” IEEE transactions on communications, vol com-3l, no 4, Apr 1983, pp 532-540 [13] Roberto H Bamberger and Mark J T Smith, “A filter bank for the directional decomposition of images: Theory and design,” IEEE transactions on signal processing, vol 40, no 4, 1992, pp 882-893 [14] James Kennedy and Russell Eberhart, “Particle Swarm Optimization,” Encyclopedia of Machine Learning, 2010, pp 760-766, Springer [15] David L Donoho, “De-noising by soft-thresholding,” IEEE transaction on information theory, vol 41, no 3, May 1995 [16] S Grace Chang, Bin Yu and Martin Vetterli, “Adaptive Wavelet Thresholding for Image Denoising and Compression,” IEEE transactions on image processing, vol 9, no 9, Sep 2000 13 ... Phát cạnh đối tượng ảnh MRI • Mục tiêu cụ thể Nâng cao chất lượng ảnh MRI đầu vào • Mục tiêu cụ thể Dò tìm cạnh đối tượng bên ảnh MRI Đối tượng, phạm vi phương pháp nghiên cứu 4.1 Đối tượng, địa...TRƯỜNG ĐẠI HỌC TRÀ VINH HỘI ĐỒNG KHOA HỌC ISO 9001 : 2008 BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG DỊ TÌM CẠNH ĐỐI TƯỢNG TRONG ẢNH MRI Xác nhận quan chủ quản Chủ... việc xử lý ảnh Để giúp phương pháp dò tìm cạnh đối tượng bên ảnh MRI đạt kết tốt cải thiện ảnh đầu vào STICT Chương Dò Tìm Cạnh Của Đối Tượng Bên Trong Ảnh MR Trong chương để có kết tốt chúng tơi